MétaCan
Menu
Retour à la cohorte
Enregistrement W1878111795 · doi:10.5539/sar.v4n4p66

Maize Fertigation with Treated Olive Mill Wastewater: Effects on Crop Production and Soil Properties

2015· article· en· W1878111795 sur OpenAlexvenueno aff
Maria I. Kokkora, Chryssoula Papaioannou, P. Vyrlas, Konstantinos Petrotos, Paschalis E. Gkoutsidis, Christos Makridis

Notice bibliographique

RevueSustainable Agriculture Research · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Social FundEuropean Commission
Mots-clésFertigationFertilizerAgronomyWastewaterIrrigationEnvironmental scienceCropEnvironmental engineeringBiology

Résumé

récupéré en direct d'OpenAlex

<p>The present study investigates the potential of olive mill wastewater, treated by microfiltration and XAD4 macroporous resin, to be used as liquid fertilizer in maize production through a 2-year field experiment. The treated olive mill wastewater (T-OMWW) was applied at two rates of 25 t and 50 t per ha per year, supplemented with mineral fertilization. There was also a treatment involving the application of only T-OMWW at the rate of 50 t per ha per year, and an only mineral fertilizer treatment. Mineral fertilizers and T-OMWW were applied progressively through a drip irrigation system.</p> Maize grain and soil analysis showed that T-OMWW was capable to meet crop requirements in N, P and K, and increase soil N, P and K availability. There was a tendency for increasing soil Na and electrical conductivity (EC) using the higher rate of T-OMWW. Therefore, for sustainable agriculture, it may be safer to apply the T-OMWW at the lower rate of 25 t per ha<sup> </sup>per year, or use the higher rate of 50 t per ha<sup> </sup>every other year.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,488

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,279
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetEdible Oils Quality and AnalysisTravaux en français237 207